期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于YOLOv5水下目标检测算法研究与改进 被引量：1
1
作者 罗飞 王润峰 《通信与信息技术》 2024年第1期34-40,共7页
在水下目标生物的检测过程中,由于水下环境恶劣,水中光线衰弱,以及大多水下生物以小目标的形态出现等问题,使得目前的水下目标检测带来了精度损失问题,为解决相应问题,给出了一种基于YOLOv5s改进的YOLOv5s-water算法来解决。首先通过STR... 在水下目标生物的检测过程中,由于水下环境恶劣,水中光线衰弱,以及大多水下生物以小目标的形态出现等问题,使得目前的水下目标检测带来了精度损失问题,为解决相应问题,给出了一种基于YOLOv5s改进的YOLOv5s-water算法来解决。首先通过STR(Swin-Transformer)旋转窗口来对YOLOv5s的主干层(Backbone)部分进行更改,提高模型的泛化能力,进而解决水下环境恶劣以及检测目标形态变化带来的问题。使用FReLU激活函数与CBAM注意力神经机制结合成的FCM注意力机制,将其嵌入到YOLOv5s的骨干网(Neck)部分,以用来突出目标特征并抑制次要信息,从而提高算法精度,加强小目标的特征提取。小目标检测方面,在YOLOv5结构上增加小目标检测头,以提高感受野,进而提高小目标的检测精度。仿真和实验结果表明:所提方法相较于YOLOv5s检测准确率P上升1.47%,精确度mAP@0.5上升2.76%,小目标检测效果明显,证明了方法的有效性。 展开更多
关键词 小目标 光线衰弱 frelu激活函数 CBAM注意力神经机制 Swin-Transformer 小目标检测头
下载PDF
基于宽接收域的实时人体姿态估计网络 被引量：2
2
作者 苟先太 陶明江 +2 位作者 李欣 康立烨 金炜东 《计算机工程与设计》 北大核心 2023年第1期247-254,共8页
为解决人体姿态估计任务的准确率和实时性问题,提出一个卷积宽接收域、检测实时的人体姿态估计网络。构建稠密残差步进网络(dense residual steps network,DRSN),提高模型对输入图像空间信息的提取和全局特征的把握。在激活函数上,以改... 为解决人体姿态估计任务的准确率和实时性问题,提出一个卷积宽接收域、检测实时的人体姿态估计网络。构建稠密残差步进网络(dense residual steps network,DRSN),提高模型对输入图像空间信息的提取和全局特征的把握。在激活函数上,以改进的FReLU激活函数替换原始的激活函数,通过采用二维卷积的方式改变ReLU函数中的激活条件,扩大模型的接收域,关键点分类更加准确。该网络在标准MPII数据集上进行测试,在满足较高定位精度的条件下,模型在NVIDIA RTX 2080Ti GPU上的检测速度达到38 FPS,可有效解决检测实时性问题。 展开更多
关键词 姿态估计 frelu激活函数 宽接收域 稠密残差步进网络 二维卷积激活
下载PDF
基于改进YOLOv5的番茄成熟度检测方法
3
作者 张德龙 刘春辉 +2 位作者 艾和金 宫超 查文珂 《黑龙江工业学院学报（综合版）》 2024年第4期73-81,共9页
番茄成熟度的检测对番茄自动化采摘具有重要的意义和价值,针对目前检测识别精度低以及漏检等问题,提出了一种基于改进YOLOv5的番茄成熟度检测方法。先在原始的YOLOv5加入SE注意力模块和BiFPN网络,使其能够同时关注通道和空间中小目标物... 番茄成熟度的检测对番茄自动化采摘具有重要的意义和价值,针对目前检测识别精度低以及漏检等问题,提出了一种基于改进YOLOv5的番茄成熟度检测方法。先在原始的YOLOv5加入SE注意力模块和BiFPN网络,使其能够同时关注通道和空间中小目标物体的特征,从而增强网络特征的融合能力。再用FReLU激活函数将原来网络结构中的激活函数替换,可以实现像素级的空间建模能力,进一步提高检测精度,增加了该模型的鲁棒性。通过试验表明,改进的YOLOv5模型的精确率、召回率和平均精度均值分别提升了4.8%、4.0%和3.0%。虽然改进后的模型参数量与计算量增加了0.2M和0.6G,但是提升了不同成熟度番茄的检测效果,可以为自动化采摘提供技术支持。 展开更多
关键词 成熟度 目标检测 注意力机制 frelu激活函数
下载PDF
基于改进YOLOv5s的人脸疼痛表情识别
4
作者 王乾胜 刘新妹 +1 位作者 殷俊龄 李宝玲 《工业控制计算机》 2024年第4期109-110,113,共3页
针对目前疼痛表情识别模型结构复杂、计算量大、检测速度慢、不易移植等问题,提出一种针对移动端设备的轻量化人脸疼痛表情识别算法。首先引入GhostNet网络结构中的Ghost模块卷积,压缩模型的参数量,减小计算开销;之后用改进的FReLu激活... 针对目前疼痛表情识别模型结构复杂、计算量大、检测速度慢、不易移植等问题,提出一种针对移动端设备的轻量化人脸疼痛表情识别算法。首先引入GhostNet网络结构中的Ghost模块卷积,压缩模型的参数量,减小计算开销;之后用改进的FReLu激活函数替换SiLu激活函数,提升识别精度与检测效率;最后引入CA注意力机制,对人脸疼痛表情特征区域增加关注度,提升算法对疼痛表情模型的识别精度。实验结果表明,改进后的模型对疼痛表情识别精度达到96.9%;每张图片检测时间为53 ms,相比YOLOv5s模型用时缩短18%;模型大小相比YOLOv5s下降41.3%。适用于移动端设备的实时疼痛表情识别。 展开更多
关键词 疼痛表情识别 YOLOv5s 轻量化 frelu激活函数 坐标注意力机制
下载PDF
基于SwinT-YOLOX模型的自动扶梯行人安全检测算法
5
作者 侯颖 杨林 +3 位作者 胡鑫 贺顺 宋婉莹 赵谦 《计算机工程》 CAS CSCD 北大核心 2024年第3期277-289,共13页
自动扶梯被广泛应用在公共场合,乘客摔倒事故如果不能被及时发现并处理,会造成严重的人身伤害,因此实现自动扶梯智能化监控管理势在必行。受自动扶梯运行环境复杂、行人多以及局部遮挡情况的影响,传统的人体姿态特征摔倒检测模型效果不... 自动扶梯被广泛应用在公共场合,乘客摔倒事故如果不能被及时发现并处理,会造成严重的人身伤害,因此实现自动扶梯智能化监控管理势在必行。受自动扶梯运行环境复杂、行人多以及局部遮挡情况的影响,传统的人体姿态特征摔倒检测模型效果不佳且检测速度减慢。融合Swin Transformer和YOLOX目标检测算法的优秀策略,提出一种基于SwinT-YOLOX网络模型的自动扶梯行人摔倒检测算法。采用Swin Transformer模型作为骨干网络,颈部网络使用添加注意力机制的YOLOX模型,进一步提升特征图的多样性和表达能力。此外,利用漏斗修正线性单元视觉激活函数构建CBF模块,改进颈部网络和Head网络结构,从而获得更优的特征检测性能。实验结果表明,针对自建扶梯行人摔倒数据库和网络采集实际扶梯行人摔倒事故,与AlphaPose、OpenPose、YOLOv5等算法相比,该算法检测性能明显提高,行人摔倒平均检测精度可以达到95.92%,检测帧率为24.08帧/s,能够快速、精准地检测到乘客摔倒事故发生,监控管理平台立刻采取安全急停措施以保证乘客安全。 展开更多
关键词 自动扶梯 摔倒检测 深度学习 YOLOX模型 Swin Transformer模型 漏斗修正线性单元视觉激活函数
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部